基于多传感器融合的两相流参数测量方法
【摘要】:
两相流是自然界与工业过程中十分常见的流动形态,由于流态的复杂性,对其过程参数的准确测量一直是科学研究与工业过程应用中亟待解决的重要课题。多传感器融合技术利用不同时间与空间的多传感器数据资源,通过对各局部测量信息的综合,消除多传感器信息之间可能存在的冗余和矛盾,并加以互补,降低其不确定性,实现比单一信息源对被测过程更完全、准确、可靠的测量和描述。
本论文从两相流参数测量方法与流动机理出发,利用数值仿真技术,在研究V型内锥流量计与基于电学敏感原理的传感器用于两相流参数测量方法的基础上,建立各传感器两相流测量模型;结合数据级与特征级信息融合方法实现两相流流型的准确识别,以及质量流量、流速、分相含率和分相表观流速的测量。本研究主要完成的工作:
1.从两相流参数测量方法与流动机理出发,开展水平管道油水与气水两相流的三维CFD(Computational Fluid Dynamics)非稳态仿真,分析两相流典型流动状态下,V型内锥流量计的测量特性,以及流动参数在预设测量截面处的变化。仿真结果表明,V型内锥对两相流流态有一定的干扰,但能在较短距离内恢复;实际取压位置与理想位置处的差别可以通过一个定值来补偿;锥体尾部出现回流区域形成较强烈的湍流,但尾部取压方式不受回流影响;气水两相流间歇流动结构有一定的速度和差压波动,因此在测量气水两相流时应考虑这种波动带来的影响;气水两相流的流速差别较大,在流动分析中应考虑滑动比或滑脱速度的影响。该仿真工作为V内锥测量模型与互相关测速提供了理论分析基础,并在此基础上设计并实现了基于电学敏感原理传感器的两相流流动参数测量系统。
2.在对已有两相流差压测量关系式分析的基础上,引入Blasius系数,推导出油水两相流粘度对差压测量关系式的影响,提出一种考虑油水粘度影响的油水两相流质量流量关系式;实现了利用环形电导式传感器测量气水两相流的滑动比,并提出一种适用于研究工作实验范围的气水两相流质量流量测量关系式。测量结果表明:引入粘度的油水两相流质量流量关系式能够获得更准确的测量结果,而引入滑动比后的均相流模型测量结果较未考虑滑动比的均相流模型稳定,利用滑动比修正的Chisholm模型结合de Leeuw的分析结果选取相应的Blasius系数能获得更高的测量精度。从理论分析角度为差压流量计在两相流中的测量提供了一种理论与经验相结合的模型。
3.结合两相流流动特性分析,提出一种能够在两相流流动特征信号中动态寻找信号段适用于互相关计算的方法,并建立了基于电学敏感原理的两相流混合流速测量以及分相含率的预测模型,实现了两相流双参数的同时测量。互相关结果表明,互相关方法测量到的油水与气水两相流结构性脉动传输与混合速度在不同的混合流动Froude数范围内存在分段线性关系,且参数拟合结果与数值仿真结果计算的参数值一致。相含率测量结果表明,油水两相流的混状流态满足Maxwell方程的假设条件,应用该方程测量油水两相流含水率的平均相对误差为8.1%。气水两相流离散流型可当作层流与满管流的交替处理,含水率测量结果的平均相对误差为10%。
4.在各传感器测量模型与方法研究的基础上,实现了基于双截面电阻层析成像系统截面电极阵列间的数据级融合、特征级串行融合与并行融合;研究了基于V型内锥流量计与电阻层析成像系统测量数据特征级融合的水平管气水两相流流型识别方法;实现了基于V型内锥流量计与电学敏感原理传感器融合的两相流流速、相含率与滑动比的预测,以及两相流流量和各分相表观流速的准确测量。测量结果表明:利用同质传感器间自适应加权估计方法的数据级融合能够实现测量信息的最优化,达到单传感器的最优测量状态,而特征级融合能够提供额外的流动信息;利用融合方法计算的过程参数可比融合前更低的平均相对误差。
|
|
|
|
1 |
夏靖波,夏军利,白鸥;BP神经网络在电容成像流型识别中的应用[J];沈阳工业大学学报;1999年03期 |
2 |
董峰,姜之旭,乔旭彤,徐苓安;基于ERT技术的垂直管道两相流流型识别[J];仪器仪表学报;2004年04期 |
3 |
卢佩,侯北平;基于信息融合的两相流流型识别[J];仪器仪表学报;2001年S1期 |
4 |
董峰,徐立军,刘小平,徐苓安;用电阻层析成像技术实现两相流流型识别[J];仪器仪表学报;2001年S1期 |
5 |
王忠勇,白博峰;油气水多相流流型在线识别仪[J];自动化仪表;2002年05期 |
6 |
董峰,刘小平,邓湘,徐芩安;电阻层析成像(ERT)技术在识别两相流流型中的应用[J];自动化仪表;2002年07期 |
7 |
葛李,李扬,郑莹娜;基于学习矢量量化神经网络的气固两相流流型识别[J];仪表技术与传感器;2004年12期 |
8 |
董峰,刘小平,邓湘,徐苓安;电阻层析成象技术在两相管流测量中的应用[J];化工自动化及仪表;2001年06期 |
9 |
李扬;郑莹娜;汪仁煌;;基于CHNN神经网络的管道流流型识别[J];模式识别与人工智能;2004年04期 |
10 |
施丽莲,蔡晋辉,周泽魁;基于图像处理的气液两相流流型识别[J];浙江大学学报(工学版);2005年08期 |
11 |
徐遥远;谭超;董峰;;水平管道气液两相流的特征提取与流型识别[J];仪器仪表用户;2006年06期 |
12 |
张立峰;;基于层析成像软测量的两相流流型识别[J];电力科学与工程;2007年03期 |
13 |
王强;周云龙;刘川;张永刚;王尧雪;孙斌;;基于小波神经网络的气液两相流流型识别方法[J];自动化仪表;2007年10期 |
14 |
杨萍;杨良煜;张玉杰;;基于改进型BP网络的气液两相流流型识别[J];计算机测量与控制;2009年09期 |
15 |
王莉莉;乔立勇;陈宇;陈德运;;基于特征提取和RBF神经网络的ECT流型辨识[J];计算机工程与应用;2011年05期 |
16 |
李扬,汪仁煌,郑莹娜,葛李;应用模板匹配和层析成像方法实现两相流流型识别[J];仪器仪表学报;2004年02期 |
17 |
周云龙;张学清;张南;张艳艳;;基于电导波动信号的EMD分解和RBF神经网络的气液两相流流型识别方法[J];化工自动化及仪表;2009年01期 |
18 |
周云龙;范振儒;苏耀雷;;基于图像傅里叶变换纹理特征和概率神经网络的气固流化床流型识别[J];化工自动化及仪表;2009年02期 |
19 |
郭志恒;邵富群;律德才;;流型自适应的归一化方法对Tikhonov正则化算法的改进[J];东北大学学报(自然科学版);2009年07期 |
20 |
周云龙;袁俊文;顾杨扬;;Zernike矩在气液两相流流型识别中的应用[J];自动化仪表;2010年04期 |
|